python 李沐 过拟合

过拟合是指模型在训练集上表现良好，但在新数据上表现糟糕的情况。在Python中，过拟合可以通过训练误差和泛化误差的曲线来观察。训练误差和泛化误差曲线，训练误差一直减小，而泛化误差在某个epoch之前贴合（gap小），之后分离（gap大）。李沐老师的代码示例中，关于过拟合的演示是使用多项式函数拟合的例子。在这个例子中，通过增加模型的复杂度，例如增加多项式的阶数，可以观察到训练误差不断减小，但泛化误差开始增大，即出现了过拟合现象。